Tipuri de sisteme de inteligență artificială

Încă din primele zile ale computerelor, cercetătorii au încercat să creeze sisteme care imită inteligența umană. În timp ce un Einstein de siliciu poate fi încă o posibilitate îndepărtată, inteligența artificială sau AI ne-a adus telefoane care recunosc vorbirea umană, mașini care se conduc singure și sisteme experte care concurează în jocurile de televiziune spectacole. De-a lungul anilor, cercetarea AI a trecut prin mai multe evoluții și, pe măsură ce fiecare tehnologie s-a maturizat, acestea au devenit parte din experiența noastră de zi cu zi.

Învățare automată

Primii cercetători s-au luptat cu puterea de procesare limitată și stocarea computerului, dar tot au pus fundația AI cu limbaje de programare precum LISP și concepte precum arbori de decizie și mașină învăţare. Programele scrise în LISP ar putea analiza cu ușurință jocuri precum șahul, pot mapa toate mișcările posibile pentru mai multe ture, apoi pot alege cea mai bună alternativă. Aceste programe ar putea, de asemenea, să își modifice logica de decizie și să învețe din greșelile anterioare, devenind mai „inteligente” în timp. Cu computere mai puternice și stocare în masă mai ieftină, această ramură a inteligenței artificiale a dat naștere industriei jocurilor pe computer, precum și a unui varietate de motoare de căutare personalizate și site-uri de cumpărături online care nu numai că amintesc preferințele noastre, dar ne anticipează are nevoie.

Videoclipul zilei

Sistem expert

În timp ce primul val de cercetători AI s-a bazat pe cicluri de calcul pentru a simula raționamentul uman, următoarea abordare s-a bazat pe fapte și date pentru a imita experiența umană. Sistemele experte au adunat fapte și reguli într-o bază de cunoștințe, apoi au folosit motoare de inferență bazate pe computer pentru a deduce fapte noi sau pentru a răspunde la întrebări. Inginerii de cunoștințe au intervievat experți în medicină, reparații auto, design industrial sau alte profesii, apoi au redus aceste constatări în fapte și reguli care pot fi citite de mașini. Aceste baze de cunoștințe au fost apoi folosite de alții pentru a ajuta la diagnosticarea problemelor sau pentru a răspunde la întrebări. Pe măsură ce tehnologia s-a maturizat, cercetătorii au găsit modalități de a automatiza dezvoltarea bazei de cunoștințe, alimentându-se o mulțime de literatură tehnică sau lăsați software-ul să acceseze cu crawlere Web-ul pentru a găsi informații relevante despre acesta proprii.

Rețele neuronale

Un alt grup de cercetători a încercat să reproducă funcționarea creierului uman prin crearea de rețele artificiale de neuroni și sinapse. Cu antrenament, aceste rețele neuronale ar putea recunoaște tipare din ceea ce păreau date aleatorii. Imaginile sau sunetele sunt introduse în partea de intrare a rețelei, cu răspunsurile corecte introduse în partea de ieșire. De-a lungul timpului, rețelele își reorganizează structura internă, astfel încât atunci când o intrare similară este alimentată, rețeaua returnează răspunsul corect. Rețelele neuronale funcționează bine atunci când răspund la vorbirea umană sau când traduc imaginile scanate în text. Software-ul care se bazează pe această tehnologie poate citi cărți orbilor sau poate traduce vorbirea dintr-o limbă în alta.

Date mare

Analiza datelor la scară largă, numită adesea „date mari”, valorifică puterea multor computere de a descoperi fapte și relații în date pe care mintea umană nu le poate înțelege. Trilioane de taxe de card de credit sau miliarde de relații de rețele sociale pot fi scanate și corelate folosind o varietate de metode statistice pentru a descoperi informații utile. Companiile de carduri de credit pot găsi modele de cumpărare care indică faptul că un card a fost furat sau că un deținător de card se află în dificultate financiară. Comercianții cu amănuntul pot găsi modele de cumpărare care indică faptul că o clientă este însărcinată, chiar înainte ca ea să știe acest lucru. Big Data permite computerelor să înțeleagă lumea într-un mod în care noi, oamenii, nu am putut niciodată singuri.